TensorFlow は、機械学習用のエンドツーエンドのオープンソース プラットフォームです。
TensorFlow を使用すると、初心者もエキスパートも簡単に機械学習モデルを作成できます。開始するには、以下のセクションを参照してください。
初心者向け
開始するのに最適な場所は、ユーザーフレンドリーな Sequential API です。構成要素を組み合わせてモデルを作成できます。以下の「Hello World」の例を実行してから、チュートリアルにアクセスして詳細を確認してください。
ML について学習するには、教育ページをご覧ください。厳選されたカリキュラムから始めて、基本的な ML 領域のスキルを向上させます。
import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)
プレースホルダー25 専門家向け
サブクラス化 API は、高度な研究のために実行ごとに定義するインターフェイスを提供します。モデルのクラスを作成し、フォワード パスを命令的に記述します。カスタム レイヤー、アクティベーション、トレーニング ループを簡単に作成できます。以下の「Hello World」の例を実行してから、チュートリアルにアクセスして詳細を確認してください。
class MyModel(tf.keras.Model):
def __init__(self):
super(MyModel, self).__init__()
self.conv1 = Conv2D(32, 3, activation='relu')
self.flatten = Flatten()
self.d1 = Dense(128, activation='relu')
self.d2 = Dense(10, activation='softmax')
def call(self, x):
x = self.conv1(x)
x = self.flatten(x)
x = self.d1(x)
return self.d2(x)
model = MyModel()
with tf.GradientTape() as tape:
logits = model(images)
loss_value = loss(logits, labels)
grads = tape.gradient(loss_value, model.trainable_variables)
optimizer.apply_gradients(zip(grads, model.trainable_variables))
プレースホルダー27 一般的な問題の解決策
プロジェクトに役立つステップバイステップのチュートリアルをご覧ください。
初心者向け
初めてのニューラル ネットワーク完全な TensorFlow プログラムのこのペースの速い概要では、ニューラル ネットワークをトレーニングして、スニーカーやシャツなどの衣類の画像を分類します。
